基于不确定性引导和尺度一致性的肾肿瘤图像分割方法 |
| |
引用本文: | 侯冰震,张桂梅,彭昆.基于不确定性引导和尺度一致性的肾肿瘤图像分割方法[J].模式识别与人工智能,2023(2):95-107. |
| |
作者姓名: | 侯冰震 张桂梅 彭昆 |
| |
作者单位: | 南昌航空大学计算机视觉研究所 |
| |
基金项目: | 国家自然科学基金项目(No.62261039)资助~~; |
| |
摘 要: | 针对肾肿瘤图像分割中的边界模糊和特征丢失问题,在RAUNet(Residual Attention U-Net)的基础上,提出基于不确定性引导和尺度一致性的肾肿瘤图像分割方法.针对肾肿瘤图像边界模糊问题,在解码层引入不确定性引导模块,根据不确定性自适应分配权重,弱化错误像素点的影响,提高模型的边界定位能力.针对下采样引起的特征丢失问题,提出尺度注意力模块和特征一致性损失,利用多尺度融合策略融合不同尺度特征,并与编码器底部特征进行尺度一致性约束,缓解特征丢失问题.在公开数据集KiTS19上的肾脏和肾肿瘤的图像分割实验表明,文中方法提高肾肿瘤的分割精度.此外,由于文中方法引入不确定性引导模块,分割结果具有较好的可靠性.
|
关 键 词: | 图像分割 不确定性引导 尺度一致性 注意力模块 肾肿瘤 |
|
|